本文介绍了 Ray—— 一个分布式系统，旨在解决下一代人工智能应用程序在性能和灵活性方面面临的新需求，以及在几种具有挑战性的强化学习应用程序中比现有专业系统具有更好的性能。

Dec, 2017

该论文介绍了 ns3-gym 框架的设计决策以及其在网络模拟器 ns-3 中的应用，旨在将机器学习领域的强化学习工具（如 OpenAI Gym）与网络研究相结合，并提供一个便于扩展的开源软件包。

Oct, 2018

本研究提出了一种利用 RL 框架来优化战术网络拥塞控制的方法，并使用 MARLIN 智能体在依托于精确的仿真环境下训练，在模拟的卫星通信和 UHF 无线电链路之间测试其性能，结果表明 MARLIN 在战术网络环境下优于传统的 TCP Cubic 和默认的 Mockets 解决方案，这突出了在优化战术网络 CC 中使用专门的 RL 方案的有效性。

Jun, 2023

该研究提出了一种基于 AirSim 的仿真框架，实现了有效的并行训练、分散式训练和大规模代理训练，从而在机器人的视觉四轴导航中实现了学习时间从 3.9 小时降低到 11 分钟的优化。

Sep, 2022

提出了使用 Reverse Action Transformation（RAT）策略的方法来解决模拟到现实世界之间的转换问题，并且和其他基线模型相比，在连续控制任务中可实现零样本适应。

Feb, 2023

最近的强化学习（RL）研究在各种应用中显示出很大的潜力，然而，可伸缩性、可解释性和马尔可夫假设等问题限制了其在某些领域的适用性。本文提出了一种基于时间扩展的注释逻辑的语义代理模拟器，与两个高保真度模拟器相比，我们展示了高达三个数量级的加速，同时保持学习策略的质量，并展示了对非马尔可夫动态和即时动作的建模和利用能力，同时提供可解释的轨迹来描述代理动作的结果。

Oct, 2023

本文介绍了一个用于多机器人强化学习的可扩展仿真平台 SMART，该平台包含了一个仿真环境和一个真实的多机器人系统，以提供多样化的交互场景进行训练，并支持基于插件的算法实现。在此基础上，我们研究了合作驾驶变道场景所涉及到的若干具有挑战性的问题，并开源我们的仿真环境及其相关基准测试任务和最先进的基线模型，以推动和强化多机器人强化学习的研究。

Jun, 2022

本文探讨了使用强化学习的在线协议合成的概念。 该研究在使用超低复杂度无线收发器的传感器和物联网网络的背景下进行。 该论文介绍了在不同的网络和流量条件下使用 RL 和 Multi Armed Bandit（MAB）（一种特定类型的 RL）来进行介质访问控制（MAC）。 该机制不依赖于载波感知、网络时间同步、碰撞检测和其他低级复杂操作，因此非常适合资源受限的传感器和物联网网络中使用的超简单收发器硬件。

Jan, 2023

通过 Scilab-RL 软件框架，研究人员能够有效进行认知建模和强化学习方面的研究，特别注重基于目标的强化学习和实验可视化，最大限度地提高研究产出。

Jan, 2024

利用模拟来加速离线强化学习与行动评估的实证研究：探讨离线强化学习与行动评估的实证研究如何受益于模拟，并提供了在 RecSys 和 RTB 中进一步促进实证研究的开放挑战和解决方案。

Sep, 2021